宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知算法(PBCS 算法)。首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱重构,最后根据重构的频谱信息判断主用户的忙闲状态从而得到当前认知无线电用户可用子信道信息。有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响从而提高算法的抗噪性。目前,应用压缩感知技术的频谱检测算法一般要求信噪比在-3dB 以上,而仿真表明 PBCS 算法可以在-5dB 的信噪比条件下达到检测概率大于 0.9,误检概率为 0.1 的频谱检测性能。